Expectations and Their Influence on Parameters of Economic Cyclic Development

Elshin Leonid Alekseevich Doctor of Economics Senior researcher at Center for Strategic Assessment and Forecasts of the Institute of Management, Economics and Finance, Kazan Federal University 420139, Russia, respublika Tatarstan, g. Kazan', ul. Ostrovskogo, 23/1 Leonid.Elshin@tatar.ru Other publications by this author

Prygunova Mariya Igorevna researcher at Center of Advanced Economic Research in the Academy of Sciences of the Republic of Tatarstan 420111, Russia, Republic of Tatarstan, Kazan, Ostrovsky's str., 23 mariya.prigunova@tatar.ru Other publications by this author

Статья подготовлена в рамках поддержанного РГНФ научного проекта номер 15-32-01353.

Большой интерес, в рамках изучения теории циклического развития экономики, представляет прогнозирование макроэкономических генераций на основе познания природы и логики фазовых сдвигов внутри генерирующихся экономических циклов. Широко распространенные подходы, основывающиеся на том, что характер и динамика циклического развития в прошлом будет определять характер и динамику циклического развития в будущем на наш взгляд, вызывают массу дискуссионных вопросов. Попытки разработки рассматриваемых прогностических моделей несут в себе целый набор рисков, связанных с точностью предсказания и предвидения циклических колебаний. В связи с этим существует необходимость разработки, научного обоснования (верификации) и апробации моделей экономических циклов, построенных на основе таких факторов, которые бы имели высокий уровень чувствительности к изменениям во внешней и внутренней среде экономической системы и всецело не опирались на тренды прошлых периодов.

Современное рыночное устройство, обладает весьма широким набором факторов неопределенности и трансформированности макрогенерирующих процессов. Особенно актуальным это представляется в контексте изучения циклов в российской экономике, характеризующейся перегруженностью административных методов регулирования и, соответственно, особым характером экономических циклов. Таким образом использование традиционных методов прогнозирования смены фаз цикла, основанных, преимущественно, на статических и линейно-экстраполяционных методах, не будет в полной мере отвечать высоким прогностическим свойствам. Это обуславливает разработку адаптированных к новым реалиям усовершенствованных механизмов и методов диагностики циклических колебаний. При этом данные методы должны в обязательном порядке учитывать всю совокупность макроэкономических факторов, оказывающих воздействие на смену циклических фаз. К ним, к примеру, можно отнести динамику темпов роста мировой и национальной экономики, инвестиционную активность, изменение ценовой конъюнктуры на производимую продукцию и т. п. Вместе с тем включение в модель большого числа предикаторов может породить ряд известных проблем ^[1]. Исходя из этого, разработка модели должна формироваться на основе ограниченного числа экзогенных факторов, характеризующих, в первую очередь, динамику ожиданий экономических агентов, как наиболее важного индикатора смены фаз в циклическом развитии, и оценивающей практически в полной мере тренды экономической активности в экономике – главных драйверов смены фаз в циклическом развитии экономики.

Использование рассматриваемого подхода, основанного на моделировании ожиданий экономических агентов во времени, позволяет решить ряд задач:

1. Выявить с высокой степенью вероятности периоды смены фаз цикла исходя из оценок индикаторов опережающего развития.

2. Сформировать и усилить прогностические свойства существующих моделей и оценок циклического развития экономических систем в условиях их трансформированности.

3. Соотнести или «спроецировать» друг на друга циклические колебания длинных, средних и коротких волн циклов опережающего развития. Реализация данного подхода будет обеспечена за счет сопоставимости факторов, определяющих сдвиги фаз циклов, построенных на основе оценки ожиданий экономических агентов.

Важность применения методов оценки показателей, характеризующих ожидания экономических агентов существенно возрастает в период неопределенности. В этих условиях несоответствие мер экономической политики реальной ситуации может существенно увеличить глубину циклического спада и «задержать» выход экономики из кризиса. В связи с этим интерес к данному инструменту чрезвычайно возрос, а его роль в принятии экономических решений существенно увеличилась.

Применяемые в данном исследовании методологические подходы основаны на использовании факторного подхода, то есть выявлении набора факторов, влияющих на ожидания экономических агентов, а, следовательно, на экономическую активность системы в целом. При таком подходе сначала анализируемые факторы объединяются в субиндексы, которые представляют собой сумму множества средневзвешенных оценок по анализируемым компонентам. На основе этой системы индикаторов, характеризующих определенные виды деятельности, и индексного метода рассчитывается интегральный (композитный) или сводный индекс - «Индекс циклов опережающего развития».

Под циклами опережающего развития мы будем понимать колебания ожиданий экономических агентов, подчиняющиеся смене краткосрочных, среднесрочных и долгосрочных конъюнктурных и институциональных факторов и формирующих условия фазовых генераций циклического развития экономической системы. При этом циклы опережающего развития подразделяются на краткосрочные, среднесрочные и долгосрочные в зависимости от состава лаговых переменных, имеющих различные признаки опережающего развития, входящих в аналитическую базу моделирования циклических колебаний.

Поскольку в основе изучения циклического развития лежит теория ожиданий, моделируемые циклы будут обладать значительными прогностическими свойствами, предсказывающими поворотные точки цикла в зависимости от состава используемых факторов и величины их лаговых значений.

Структурно-логическая схема моделирования циклов опережающего развития представлена на рисунке 1.

При определении и обосновании выбора совокупности факторов мы исходили, в первую очередь, из теории рациональных ожиданий Р. Лукаса – обладателя нобелевской премии 1995г. Источниками возмущений в ожиданиях экономических агентов являются, согласно данной теории, две группы факторов – денежные (изменение цен, колебания процентных ставок, изменение денежной массы и т.п.) и реальные (появление технологических инноваций, изменение потребительских предпочтений как результат внедрения инноваций в потребительскую сферу и т.п.). Кроме того, в основу системы выбора и обоснования факторов использовался подход А. Пигу, выделяющий, как это ранее было отмечено, три группы факторов, оказывающих влияние на ожидания экономических агентов:

1. Денежные

2. Реальные, что синхронизируется с теорией Лукаса

3. Психологические факторы.

Применительно к нашей разрабатываемой теории циклов опережающего развития, опирающейся на ожидания экономических агентов, всю совокупность факторов необходимо подразделять на реальные и денежные с одной стороны и психологические - с другой. Однако под психологическими факторами в настоящей работе понимается институционально-оформленная действительность, формирующая представления и когнитивные модели субъектов хозяйствования, которые оказывают определяющее воздействие на направленность в динамике национальных моделей менеджмента. В связи с этим вместо термина «психологические» факторы предлагается использование термина «культурно-институциональные факторы».

По результатам проведенных оценок, основанных на экономико-математическом моделировании, были определены семь основных подгрупп факторов, оказывающих опережающее воздействие на ожидания и соответствующие модели поведения хозяйствующих субъектов. Каждая из этих подггрупп относится к той и или иной укрупненной группе, рассмотренных выше.

Первая подгруппа включила в себя факторы, характеризующие изменения демографического каркаса территории и сформировала индекс урбанистического развития (I1).

Вторая подгруппа факторов сформировала так называемый индекс человеческого капитала (I2).

В производственно-ресурсный индекс вошли факторы, отражающие количественно-качественные характеристики формирующейся ресурсной и производственной базы национальной экономики, такие, как товарные запасы, грузооборот автотранспорта, добыча полезных ископаемых и т.д. (I3)

Четвертая подгруппа факторов ориентирована на определение сводного индекса качества институционально-культурного развития системы и включает в себя набор соответствующих показателей, к которым можно отнести показатели, оценивающие уровень развития социальной инфраструктуры, качество формирующихся ментальных моделей общества (I4).

Пятая подгруппа факторов сформировала так называемый индекс экономической активности хозяйствующих субъектов (I5). В нее вошли такие показатели как денежные доходы, инвестиции в основной капитал, индекс потребительских цен и др.

Шестая подгруппа факторов сформировала так называемый индекс научно-исследовательского потенциала. Она характеризует внутренний резерв инновационного развития экономики (I6).

Седьмая подгруппа факторов определяет индекс изменения капитала (I7), демонстрирующий реакцию общеэкономических трендов на изменения и корректировки ценовых индексов стоимости капитала.

Все отобранные компоненты были представлены в виде цепных годовых темпов роста (в сопоставимых ценах в случае, если фактор выражается в денежном эквиваленте). Это необходимо для соблюдения единой размерности участвующих в модели факторов, поскольку иначе расчет сводных индексов станет невозможным.

Поиск решений, направленных на идентификацию системы показателей на предмет и степень их опережающего развития относительно общеэкономического тренда системы (ВВП) был осуществлен на основе использования эконометрического инструментария.

Алгоритм расчетов имел следующую последовательность:

1. На основе линейных коэффициентов корреляции построены кросскорреляционные функции результирующего фактора (эталонного ряда) и предопеределенных факторов (опережающих компонент). В соответствии с методологией статистического анализа, кросс-корреляционная функция выражает тесноту связи между уровнями одного временного ряда y_t измеренными в момент времени t, и уровнями другого временного ряда x_t-t, отстоящими друг от друга на t единиц времени:

`r_((y_(t),x_(t-tau))` =`(sum(y_t-bary_t)*(x_(t-tau)-barx_(t-tau))/((n-1-tau)*sigma_(x-r)*sigma_y))`

Кросс-корреляция является необходимым условием для определения периода опережения, или так называемого лага.

2. Нужно сравнить корреляцию с r_кр.

`r_(kp)=(t_(kp))/(sqrt(t_(kp)+n-2-tau)`

n- объем выборки, `tau` - лаг

`t_(kp)` - распределение Стьюдента (5%; n-2-`tau)`

Если `r_((y_t,x_(t-tau))` > `r_(kp)` , то наличие значимых коэффициентов корреляции свидетельствует о связи динамики соответствующего показателя с индексом эталонного ряда и обуславливает его включение в систему индикаторов для расчета индексов опережающего развития.

Результаты кросс-корреляционного анализа рассматриваемых статистических рядов, в качестве которых с одной стороны выступает результативный фактор (эталонный ряд), с другой – исследуемые временные ряды анализируемых факторов, представлены в таблице 1.

По результатам кросс-корреляционного анализа в окончательный состав факторов, из первоначально определенного списка в количестве 34 ед. вошли 19 ед. При этом к факторам, оказывающим краткосрочное воздействие на модель поведения экономических агентов, отнесены те из них, которые полностью согласуются с существующими теоретико-методологическими подходами к моделированию так называемых циклов Китчина. Вместе с тем достаточно неожиданным результатом стало то, что признаками опережающего развития в краткосрочных циклах экономики обладают факторы, характеризующие институционально-культурный потенциал системы. Обнаруженное явление несомненно требует соответствующих объяснений и обоснований.

Таблица 1

Состав факторов, характеризующихся опережающей динамикой относительного эталонного ряда (ВВП), в разрезе укрупненных опережающих индексов

В таблице представлены значения лагов, для факторов, удовлетворяющих нашим требованиям относительно опережающей динамики их развития относительно эталонного ряда. При этом важным представляется то, что полученные по результатам оценок и расчетов, лаговые значения имеют весьма широкий диапазон от 1 до 12 лет. При этом представляется очевидным, что факторы, имеющие лаг 4 года и более не могут участвовать в моделировании краткосрочных циклов опережающего развития. Поскольку фазовые сдвиги в краткосрочных циклах определяются воздействиями факторов оперативного порядка, то есть тех корректировки которых приводят к сдвигам эталонного ряда в самой короткой перспективе (1- 2,3 года). Аналогичная логика является справедливой и для двух других типов циклического развития экономики.

При получении обобщенных статистических индикаторов всегда возникает потребность в выборе соответствующего метода определения значений весовых коэффициентов (`K_(ij)` ). Существует несколько базовых подходов к решению проблемы корректного взвешивания индикаторов - составляющих сводного индекса. Так, значительная часть исследований в этой области предполагает ранжирование составляющих компонент по степени важности, определяемой путем экспертных оценок, получаемых по обучающимся выборкам. Однако необходимо учитывать, что данный подход сопряжен с рядом возможных проблем, связанных, в первую очередь, с принципами отбора экспертных сообществ (единиц), методологией оценки достоверности полученных оценок и т.п.

Также значения весовых коэффициентов могут быть определены путем решения задачи математического программирования, предполагающей максимизацию критерия линейной свертки при условии равенства суммы весовых коэффициентов единице.

Также выбор весовых коэффициентов может осуществляться на основе корреляционного и факторного анализа, позволяющего оценить тесноту связи между конкретным индикатором, являющегося обязательным элементом итогового индекса, и индексом промышленного производства, выбранным в качестве эталонного. Данный методологический подход считается в достаточной степени простым и достоверным.

В основе расчета весовых коэффициентов субиндексов, определяющих значение сводного индекса опережающего развития лежит таксономический метод. Он основан на определении расстояний между точками многомерного пространства, размерность которого определяется количеством участвующих в модели факторов. Расстояния между факторами определяются по формуле:

`a_(rs)=1/msum_(i=1)^m|b_(ir)-b_(is)__` `_|` , r,s=`bar(1,n)`

`a_(rs) -`расстояние между факторами r и s.

Конечный вид матрицы расстояний между факторами будет иметь следующий вид:

`[[0a_(12) ... a_(1n)],[a_(21)0a_(2n)],[... 0 ...], [a_(n1) ... 0]]`

После определения значений матрицы расстояний рассчитывается так называемое критическое расстояние, характеризующее максимальное расстояние между двумя факторами:

`a_(kp)=max_(r)min_(s)a_(rs)`

Далее для каждого признака находят сумму всех расстояний, не превышающих критического расстояния:

`p_j=sum_(s=1)^ma_js` , для `a_(js)<=a_(kp)`

Тогда весовые коэффициенты рассчитываются по формуле

`w_j=p_j/(sump_j)`

Значение сводного показателя, оценивающего ожидания экономических агентов, складывается из рассчитанных рядов индикаторов, или субиндексов. Соответственно каждая его компонента-индикатор взвешивается.

В формульном виде расчет сводного индекса опережающего развития выглядит следующим образом:

`I_i=W_1*I_1+W_2*I_2+W_3*I_3+W_4*I_4+W_5*I_5+W_6*I_6+W_7*I_7`

где Ii - значение СОП;

i – значение периода (год в нашем случае);

I1(i) –индекс урбанистического развития в i-м году;

I2(i) –индекс человеческого капитала в i-м году;

I3(i) –индекс производственно-ресурсного развития в i-м году;

I4(i) –индекс институционально-культурного развития в i-м году;

I5(i) –индекс развития экономической активности в i-м году;

I6(i) –индекс научно-исследовательского потенциала в i-м году;

I7(i) - индекс изменения капитала в i-м году.

W1, W2, W3, W4, W5, W6, W7 – весовые коэффициенты соответствующих субиндексов.

` `

Результаты расчетов для краткосрочных циклов опережающего развития применительно к российской экономике периода 1996-2015гг. представлены на рисунке 2.

Рисунок 2

Циклы опережающего развития экономики РФ в период с 1996 по 2015гг.

В обобщенном виде, в рамках исследуемого периода времени, результаты анализа, раскрывающие особенности влияния тех или иных субиндексов на параметры циклического развития представлены в таблице 2.

Таблица 2

Значения весовых коэффициентов субиндексов сводного индекса опережающего развития

Наибольший уровень воздействия на динамику индекса опережающего развития, формирующего общую траекторию краткосрочного цикла опережающего развития, характерен для субиндексов I2 - Индекс человеческого капитала, I7 – Индекс изменения капитала, I4 - Индекс социального самочувствия, а также I5 – индекс экономической активности. Данные индексы в наибольшей степени формируют представления экономических агентов относительно устойчивости развития рыночной конъюнктуры, а также определяют ожидания относительно экономической и инвестиционной активности хозяйствующих субъектов на ближайшую перспективу, что полностью соответствует традиционным теориям краткосрочных циклов. Вызывает интерес то, что на траекторию краткосрочных циклов опережающего развития оказывает значимое воздействие факторы, относящиеся к институциональной категории (субиндексы I2 и I4). Данное явление несомненно требует дополнительных проработок и интерпретаций, поскольку традиционно все-таки считается, что на краткосрочные циклические колебания доминирующее воздействие оказывают факторы конъюнктурного порядка (колебания уровня процентных ставок, корректировки денежно-кредитной политики и т. п.). Влияние же факторов институционального уровня определяет средне- и долгосрочные ожидания в сфере преобразования социально-экономических укладов.

Подтверждением высокого уровня прогностических свойств рассматриваемой модели являются результаты проведенного эконометрического анализа. В условиях совершенной рыночной конкуренции, когда производители и потребители формируют свои ожидания и прогнозы относительно формирования планов продаж и покупок, а также относительно развития рыночной инфраструктуры, индексы ожиданий экономических агентов играют определяющую, а порой доминирующую роль в сознании и поведении экономических агентов при принятии решений и формирования бизнес-моделей.